[发明专利]AGV调度管理的建模及其优化方法

权利要求书

1.自动导航小车调度管理的建模及其优化方法，其特征在于，所述方法包括以下步骤

步骤1自动导航小车运行路径网络建模

采用离散化的有向图进行路径网络的建模，基本的有向图模型表示为自动导航小车路径中所有点与带权重边所组成的集合；

步骤2路径网络地图的存储

基于离散化的有向图路径网络建模法，采用二叉树的方法，对整个有向图的数据进行存储；

步骤3多自动导航小车系统二值法建模

采用二值法建立多自动导航小车系统模型，以(0,1)二值对多自动导航小车系统中的不同空间资源、路径及时间进行量化，确立以时间为评价标准的优化的目标函数；

步骤4局部搜索的动态路径优化

以静态最优路径为基础，采用局部动态路径规划的优化方法，首先确定每个自动导航小车在停留节点的等待延迟时间，通过比较自动导航小车行走动态搜索路径所需时间与原来需要等待延时的路径消耗时间，确定选择所需时间较少的路径节点组合，实现自动导航小车调度运行路径的优化；

所述方法具体步骤为

步骤1自动导航小车运行路径网络建模

建立自动导航小车运行环境的地图模型，多自动导航小车的运行环境的布局采用离散化的有向图进行路径网络的建模，基本的有向图模型表示为G＝(N，E)，其中N＝{n₁,n₂,...，n_h}，表示路径网络中所有节点的集合，其中E＝{e₁,e₂，...，e_m}，表示路径中所有相邻节点组成的带权重边的集合，其中边表示为两节点的有序元素对，每条边都有一个表示权重的函数w(e_j，v)，权重表示时间，假设：任何时刻，在路径网络中，一条边或者一个节点最多只有一个自动导航小车占用；系统中自动导航小车的数目少于路径中节点的数目，至少有一个节点未被占用，另外有向图中边的长度大于自动导航小车的长度与安全距离的和；自动导航小车在路径地图中的位置，以其参考点在路径地图中的位置和姿态表示，通常表示为(x，y，θ)；

步骤2路径网络地图的存储

根据离散化的有向图路径网络建模法，以N表示所有的节点集，以E表示所有的边的集合，整个有向图的数据，采用二叉树结构的存储可以表示为

步骤3多自动导航小车系统二值法建模

用(0,1)表示路径中节点或者边的空间资源的使自动导航小车用情况，在节点未被占用的情况下，有一个可利用的空间资源，将其置1，否则置0，建立从节点到空间资源的映射R：N→(0，1)，以R_k(n_i)表示第k时刻第i个节点的空间资源的数量，以R_k表示整个网络路径中所有节点在第k时刻的空间资源的状态及分布，

以自动导航小车参考点的位置，表示整个自动导航小车所在路径网络中的位置，设f_i表示编号为i的自动导航小车，设自动导航小车的运行用M表示，以M_τ表示第τ个单位时刻，系统中自动导航小车在整个路径网络节点中的运动激活状态，在允许占用某些节点的情况下，当某个节点被占用，则称自动导航小车在该节点的运动被激活，此时自动导航小车在该节点的运动状态置为1，在其它未被占用的节点的运动状态置为0，它表示h×1的列向量，描述自动导航小车正运行在某条边上，或者描述自动导航小车停留在某个节点上或者以某相邻的两个节点为顶点的边上，表达式定义如下：

表示编号为i的自动导航小车停留在n_k节点上；

表示编号为i的自动导航小车停留在由节点n_k与n_k+1组成的边的某点上；

表示编号为i的自动导航小车运行在由节点n_k与n_k+1组成的边上，此时R(n_k)＝1，而下个目标节点R(n_k+1)＝0；

表示编号为i的自动导航小车正在运行，并且执行任务t_k；

分别表示在节点n存在或不存在的编号为i的自动导航小车；

e_j表示第j条边，表示以节点n_k、n_k+1为顶点的边，且n_k、n_k+1分别称为边的上位节点、下位节点，这些变量满足下式，设共有l台自动导航小车，

空间资源R(n_k)是防止不同自动导航小车间冲突与碰撞的重要资源集合，设C＝[R(n₁),...,R(n_m)]^T表示整个路径网络中所有节点的空间资源，在某时刻状态的标识，模型中路径网络的空间资源的占用与释放可以表示如下：

Γ(n_i→e_j)＝1∨0

表示自动导航小车从节点n_i到边e_j释放的路径网络节点空间资源的数目，等于1表示由节点n_i在不经过其它节点或者边的情况下直接到达边e_j，等于0则说明不能直接到达边e_j；

Γ(e_j→n_i)＝1∨0

表示自动导航小车从边e_j到节点n_i所要占的路径网络节点空间资源的数目，等于0表示经过边e_j不能到达节点n_i，等于1说明经过边e_j可以到达节点n_i；

设路径网络中共有h个节点，m条边，那么可以定义如下节点与边交互的状态矩阵：

(Q^-)_ij＝Γ(n_i→e_j)1≤i≤h，1≤j≤m

(Q⁺)_ij＝Γ(e_j→n_i)1≤i≤h，1≤j≤m

Q⁺(Q^-)表示h×m的，且其每个元素取值均为(0∨1)的二值矩阵，

定义整体路径网络中自动导航小车可以运行的条件如下，

C≥(Q^-)M_τ

表示将要被占用的节点当前的空间资源要大于或等于需要占用的资源数，

设分别表示编号为i的自动导航小车，在第τ时刻执行任务时，运行路径节点的组合、运行路径边的组合、运行路径节点的空间资源状态的标识、运行路径节点上运动激活的状态，对于编号为i的自动导航小车，在其独立的运行路径上，满足其运行的必要条件可表示如下式：

每个自动导航小车运行路径的节点，都是整体网络路径节点的子集，可表示如下，

每个自动导航小车的随着时间τ的增加，得到下一时刻的表达式如下，

设给定K个单位时间，定义变量当自动导航小车到达指定的任务节点，将η置1，否则置0，的限制约束条件如下式所示：

每台自动导航小车的运行时间主要包括在节点组合中等待延时的时间、在边组合中的运行时间，优化的目标函数可表示为下式：

式中w(n)、ω(e，v)分别表示在节点n、边e占用的单位时间的数目，它们需满足如下条件，

ω(e，v)＞1

在满足每个自动导航小车运行条件的情况下，确定运行路径节点，然后给定自动导航小车节点运动激活的序列，使得总的运行时间最小，如下式所示：

步骤4局部搜索的动态路径优化

如果满足下式，则采用静态路径优化方法，

如果满足下式，则采用局部动态路径优化方法，

采用局部动态路径规划的优化的方法如下：

步骤4A根据任务的请求确定路径网络中的目标节点n_tar，然后确定空闲的自动导航小车编号设为i，及当前的节点信息n_cur，继续执行步骤4B，如果没有空闲的自动导航小车，则缓存任务的请求，并执行步骤4C；如果没有任务请求转向步骤4C；

步骤4B在整体路径节点中，确定每个接受任务的自动导航小车的最短路径的节点的集合，以表示迪杰斯特拉函数根据自动导航小车当前所在节点及目标节点在整个路径网络节点N确定最短路径的节点的顺序组合，用下式表示；

步骤4C多个自动导航小车间冲突碰撞的判断，如果每个节点的空间资源满足步骤3中式的约束条件，那么保持不变，每个自动导航小车保持当前运行状态，并返回步骤4A，如不满足步骤3中式的约束条件，执行步骤4D；

步骤4D可行域空间的求解，设表示等待延时的自动导航小车占用节点的集合，当前时刻空间资源为0的节点集合设为N_H＝{n|R(n)＝0} ，则F＝N_H\N_G，r＝1，以表示自动导航小车到达节点F_r需要的时间：

步骤4D1求出节点F_r的一级上位节点集合，如果满足则r＝r+1，如果r＝Sum(F)+1，转向步骤4E，否则重新执行步骤4D1，如果执行步骤4D2；

步骤4D2如果U₁内存在两个节点，且满足或者如果U₁内只存在一个节点U₁(1)，那么节点U₁(1)处的自动导航小车的延迟时间表示为求出节点U₁(1)的0～z级上位节点集合，其中0级表示自身，设为U₁₁，满足如果满足则r＝r+1，返回步骤4D1，否则执行步骤4D3；

步骤4D3确定集合U₁₁中任意节点处自动导航小车的等待延时，属于集合U₁₁任意的节点n_a，在该节点等待延时的自动导航小车的延时表示为如果节点n_a只有一个上位节点n_a1，那么停留在该节点的自动导航小车等待延时的时间如果节点有两个上位节点n_a1、n_a2，且则停留在两个上位节点的自动导航小车的延时分别表示为下式，

步骤4D4如果存在节点U₁(2)，则确定其等待时间，根据节点集合U₁₁∪F_r，那么节点个数不小于3，且以作为起始节点的可行路径组合共有2ⁿ-2个，从这些路径节点的组合中，选取那些从起始节点开始，每条边的时间权重都是严格按照降序排列的路径组合，采用组成路径的节点集合来表示，设为B，去除B中所有的节点F_r以及所有重复的节点，剩下节点集合设为B′，设集合B′中节点的个数为x，那么可计算节点U₁(2)处的自动导航小车的延时如下式所示，

步骤4D5确定节点U₁(2)的0～z级上位节点集合，设为U₂₂，满足集合中任意节点处自动导航小车的等待延时按步骤4D3确定，然后r＝r+1，如果r＝Sum(F)+1，执行步骤4E，否则返回步骤4D1；

步骤4E局部动态路径搜索与选择，以分别表示编号为的自动导航小车等待延时所在当前的节点与当前的节点所在节点路径集合中的下方第个d节点；

步骤4E1初始化参数表示自动导航小车编号i＝1，d＝1；

步骤4E2采用迪杰斯特拉方法，获取动态路径节点集合如果自动导航小车选择原路径的运行时间及动态路径的运行时间满足则更新原有路径的节点集合使得编号为i的自动导航小车局部或者全部变换运行路线，选择动态规划的路线运行，并执行步骤4E3；如果那么执行d＝d+1，如果满足则执行步骤4E3，否则继续执行步骤4E2；

步骤4E3循环终止的判断，设等待延时的自动导航小车的总数有Sum(N_G)，如果满足条件i＝Sum(N_G)+1，那么停止循环，否则i＝i+1，d＝1，返回步骤4E2。